一种基于特性指标与决策树模型的新装用户负荷辨识方法技术

本发明专利技术公开了一种基于特性指标与决策树模型的新装用户负荷辨识方法，包括：S1，根据业扩报装新用户的报装参数计算负荷特性指标，作为辨识新用户负荷时序特征的依据；S2，收集海量用户的历史用电数据，计算负荷特性指标与类别标签，作为决策树的训练数据集；S3，利用训练数据集生成CART决策树模型；S4，对决策树模型进行树剪枝，降低复杂性提高识别精度；S5，将业扩报装新用户的负荷特性指标输入决策树模型，匹配新用户的用电模式，得到新用户负荷的时序特征。该方法能够对尚未接入电网、没有历史用电数据的业扩报装新用户的负荷时序特征进行有效地辨识分析。

A new load identification method based on characteristic index and decision tree model

【技术实现步骤摘要】
一种基于特性指标与决策树模型的新装用户负荷辨识方法
本专利技术涉及一种基于特性指标与决策树模型的新装用户负荷辨识方法，属于电力系统负荷特性分析

技术介绍
用户负荷特性的确定一直是电网公司支持各种负载管理功能的一个非常重要的主题。在传统的业扩报装业务中，申请新报装接入的大用户提供的信息仅仅局限于最大负荷用电设备的清单信息和有限的负荷指标，造成电力企业无法精确把握新接入大用户的电力负荷特征，导致对电力负荷资源的不充分利用。该信息的缺失极易给配电网的高效运行带来严重挑战。首先表现在大量同质性大用户负荷在某一供电点的集中接入，将导致供电点负荷日峰谷差不断增大、在高峰负荷时段易触及设备容量传输极限；同时还表现为在长时间段内设备利用率低下、容量浪费、经济性差等一系列问题。因此，在台区内的新用户接入之前，对新用户的负荷时序特征进行辨识显得尤为重要。随着电力需求侧管理技术的广泛应用，辨识用户的负荷时序特征对于电力系统的经济分析、稳定运行和电力规划都具有重要意义。目前，多采用聚类分析理论，通过灰色关联聚类构造灰色关联度矩阵以及信息熵分段聚合近似本文档来自技高网...

【技术保护点】
1.一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述方法包括：/n根据业扩报装新用户的报装参数计算得到负荷特性指标；/n将所述负荷特性指标输入高精度决策树模型得到新用户的负荷时序特征。/n

【技术特征摘要】
1.一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述方法包括：
根据业扩报装新用户的报装参数计算得到负荷特性指标；
将所述负荷特性指标输入高精度决策树模型得到新用户的负荷时序特征。


2.根据权利要求1所述的一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述报装参数包括预估日负荷功率峰值、日负荷功率基值、预估全天用电量、预估峰期用电量、谷期用电量和平期用电量。


3.根据权利要求1所述的一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述负荷特性指标的计算方法包括：



其中，Pmax为预估日负荷功率峰值，Pmin为日负荷功率基值，Q为预估全天用电量，Qpeak为预估峰期用电量，Qval为谷期用电量，Qsh为平期用电量，Pav为预估日负荷平均功率，Pav.peak为峰期负荷平均功率，Pav.sh为平期负荷平均功率，Pav.val为谷期负荷平均功率。


4.根据权利要求1所述的一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述决策树模型的建立方法包括：
根据历史用户的用电数据计算得到历史负荷特性指标与类别标签；
将所述历史负荷特性指标与类别标签作为训练数据集训练生成决策树模型。
对所述决策树模型进行剪枝，获取高精度决策树模型。


5.根据权利要求4所述的一种基于特性指标与决策树模型的新装用户负荷辨识方法，其特征在于，所述训练生成的过程如下：
将训练数据集放入决策树的根节点中，计算根节点的杂质度的基尼系数；
根据所述负荷特性指标对根节点进行分裂，得到左右子节点；
根据左右子节点的基尼系数计算得到分裂后的杂质削减量；
选择最大杂质削减量对应的负荷特性指标作为分裂属性，对根节点进行重新分裂；
根据分裂属性对重新分裂出的左右子节点继续分裂；
重复上述过程直到所有的叶子节点的基尼系数均小于阈值，即得到决策树...

【专利技术属性】
技术研发人员：王成亮，官国飞，杨庆胜，钟巍峰，王健，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：江苏;32